文章目录

• 0 前言
• 1 技术背景
• 2 技术介绍
• 3 重识别技术实现
• • 3.1 数据集
  • 3.2 Person REID
  • • 3.2.1 算法原理
    • 3.2.2 算法流程图
• 4 实现效果
• 5 部分代码
• 6 最后

0 前言

Hi，大家好，这里是丹成学长的毕设系列文章！

对毕设有任何疑问都可以问学长哦!

为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的新项目是

基于深度学习的行人重识别(person reid)

学长这里给一个题目综合评分(每项满分5分)

• 难度系数：4分
• 工作量：4分
• 创新点：3分

选题指导, 项目分享：

https://gitee.com/yaa-dc/BJH/blob/master/gg/cc/README.md

1 技术背景

行人重识别技术，是智能视频监控系统的关键技术之一，其研宄是针对特定目标行人的视频检索识别问题。行人再识别是一种自动的目标判定识别技术，它综合地运用了计算机视觉技术、机器学习、视频处理、图像分析、模式识别等多种相关技术于监控系统中，其主要描述的是在多个无重叠视域的摄像头监控环境之下，通过相关算法判断在某个镜头下出现过的感兴趣的目标人物是否在其他摄像头下再次出现。

2 技术介绍

在视频监控系统中，行人再识别任务的整体框架如下图所示：
—个监控系统由多个视域不相交的监控摄像头组成，摄像机的位置可以随时更改，同时也可以随时增加或减少摄像机。不两监控摄像头所摄取的画面、视角等各不相同。在这样的监控系统中，对行人的动向监测是，至关重要的。

对行人的监控主要基于以下三个基本的模块：

3.2 Person REID

3.2.1 算法原理

给定Ｎ个不同的行人从不同的拍摄视角的无重叠视域摄像机捕获的图像集合，行人再识别的任务是学习一个模型，该模型可以尽可能减小行人姿势和背景、光照等因素带来的影响，从而更好地对行人进行整体上的描述，更准确地对不同行人图像之间的相似度进行衡量。

我这里使用注意力相关的特征的卷积神经 络。该基础卷积神经 络架构可以由任何卷积神经 络模型代替，例如，ＶＧＧ－１９，ＲｅｓＮｅｔ－１０１。

该算法的核心模块在于注意力学习模型。

3.2.2 算法流程图

5 部分代码